TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型

4个月前发布 166 00
收藏 0

TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设计大学（SUTD）和NVIDIA共同推出的。模型拥有约5.15亿参数，能在单个A40 GPU上仅用3.7秒生成长达30秒的44.1kHz音频。TANGOFLUX用CLAP-Ranked Preference Optimization（CRPO）框架，基于迭代生成和优化偏好数据来提...

收录时间：
2025-12-16
打开网站手机查看
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型打开网站

TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设计大学（SUTD）和NVIDIA共同推出的。模型拥有约5.15亿参数，能在单个A40 GPU上仅用3.7秒生成长达30秒的44.1kHz音频。TANGOFLUX用CLAP-Ranked Preference Optimization（CRPO）框架，基于迭代生成和优化偏好数据来提升模型的音频对齐能力。模型在客观和主观基准测试中均展现出优异的性能，在GitHub等平台开源代码和模型，支持进一步的研究。

官网：https://github.com/declare-lab/TangoFlux


立即打开官网

数据统计

相关导航

标签云